توزیع نمایی

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به: ناوبری، جستجو
نمایی
پارامترها \lambda> 0 \, پارامتر نرخ و یا عکس مقیاس (حقیقی)
‫تکیه‌گاه [0, \infty)\!
تابع چگالی احتمال \lambda e^{-\lambda x}
تابع توزیع تجمعی‫ (سی‌دی‌اف) 1 - e^{-\lambda x}
میانگین \frac{1}{\lambda}\,
میانه \frac{\ln(2)}{\lambda}\,
مُد 0\,
واریانس \frac{1}{\lambda^2}\,
چولگی 2\,
کشیدگی 6\,
انتروپی 1 - \ln(\lambda)\,
‫تابع مولد گشتاور (ام‌جی‌اف) \left(1 - \frac{t}{\lambda}\right)^{-1}\,
تابع مشخصه \left(1 - \frac{it}{\lambda}\right)^{-1}\,

توزیع نمایی توزیعی پیوسته است که دارای تابع چگالی احتمال زیر می‌باشد:


f(x;\lambda) = \left\{\begin{matrix}
\lambda e^{-\lambda x} &,\; x \ge 0, \\
0 &,\; x <0.
\end{matrix}\right.

که پارامتر \lambda در آن وارون میانگین (اُمید ریاضی) توزیع می‌باشد. توزیع نمایی حالت خاصی از توزیع گاما است که در آن پارامتر شکل برابر k=۱ و پارامتر مقیاس برابر \theta={1\over\lambda} می‌باشد.

از توزیع نمایی بیشتر در تخمین زدن مدت زمان لازم برای رخداد یک پیشامد خاص استفاده می‌شود. برای نمونه، مدت زمان لازم (از هم‌اکنون) تا رخداد یک زمین‌لرزه، آغاز یک جنگ، دریافت یک تماس تلفنی اشتباه، و ... متغیرهای تصادفی با توزیع نمایی می‌باشند.

تابع توزیع تجمعی[ویرایش]

تابع CDF:


F(x;\lambda) = \begin{cases}
1-e^{-\lambda x}, & x \ge 0, \\
0, & x <0.
\end{cases}

کاربردها[ویرایش]

هرگاه پدیده‌ای از فرایند پواسن همگن پیروی کند توزیع نمایی به عنوان توصیف کننده زمان بین دو رویداد در فرایند پواسن به طور طبیعی ظاهر می‌شود.

ویژگی‌ها[ویرایش]

توزیع نمایی تنها توزیع پیوسته‌ای‌است که خاصیت بی‌حافظگی دارد و از این رو بیشتر در حل مسائل احتمال و تئوری صف به کار گرفته می‌شود. هم‌چنین از این توزیع برای مدلسازی کردن و آسان ساختن شیوهٔ حل مسائل واقعی استفاده می‌کنند. این ویژگی تابع را می‌توان اینطور تفسیر کرد که رویدادهایی را که در گذشته اتفاق افتاده می‌توانیم در نظر نگیریم و از زمان حال به بعد را مبدأ زمان قرار بدهیم. مثلاً لامپی که طول عمرش ۱۰ ساعت است و تا ساعت ۶ هنوز نسوخته است را می‌توان مثل یک لامپ نو بحساب آورد.

مقدار چشمداشتی توزیع نمایی:

\mathrm{E}[X] = \frac{1}{\lambda}. \!

واریانس:

\mathrm{Var}[X] = \frac{1}{\lambda^2}. \!

منابع[ویرایش]

  • راس، شلدون، مبانی احتمال (ویرایش ششم)، مترجمین: دکتر احمد پارسیان و دکتر علی همدانی، نشر شیخ بهایی، چاپ هفتم، صص ۲۱۸ و ۲۱۹، ISBN 978-964-90539-5.
  • page 292 Tenth Edition Introduction to Probability Models